speechbrain.augment.codec 模块

通过torchaudio进行编解码器增强

该库提供了torchaudio中的编解码增强技术，用于增强音频数据处理。

有关详细指导和使用示例，请参阅教程： https://pytorch.org/audio/stable/tutorials/audio_data_augmentation_tutorial.html

注意：此代码与作为torchaudio后端的FFmpeg兼容。 使用FFmpeg2时，处理的最大样本数限制为16。

Authors

• Mirco Ravanelli 2023

摘要

类：

CodecAugment

使用torchaudio对输入波形应用随机音频编解码器。

参考

class speechbrain.augment.codec.CodecAugment(sample_rate=16000)

基础：Module

使用torchaudio对输入波形应用随机音频编解码器。

该类提供了一个接口，用于将编解码增强技术应用于音频数据。

Parameters:

sample_rate (int) – 输入波形的采样率。

Example

>>> waveform = torch.rand(4, 16000)
>>> if torchaudio.list_audio_backends()[0] == 'ffmpeg':
...     augmenter = CodecAugment(16000)
...     output_waveform = augmenter(waveform)

apply_codec(waveform, format=None, encoder=None)

应用所选的音频编解码器。

Parameters:

• 波形 (torch.Tensor) – 输入波形，形状为 [batch, time]。

• format (str) – 使用的音频格式（例如，“wav”，“mp3”）。默认值为 None。

• encoder (str) – 用于格式的编码器（例如，“opus”，“vorbis”）。默认值为None。

Returns:

输入波形的编码版本，形状为 [batch, time]。

Return type:

torch.Tensor

forward(waveform)

从可用列表中应用一个随机的音频编解码器。

Parameters:

波形 (torch.Tensor) – 输入波形，形状为 [batch, time]。

Returns:

输入波形的编码版本，形状为 [batch, time]。

Return type:

torch.Tensor